Vor fünf Jahren, Ende November 2020, präsentierte Google DeepMind mit AlphaFold2 einen Durchbruch in der Proteinstrukturvorhersage. Das KI-Tool lieferte erstaunlich präzise 3D-Modelle, die teilweise experimentellen Daten in nichts nachstanden und eine jahrzehntelange Herausforderung lösten. Im Gegensatz zur ersten Version von 2018, die weniger überzeugend war, setzte AlphaFold2 neue Maßstäbe.
2021 veröffentlichte DeepMind den Code und eine Datenbank, die heute über 240 Millionen Strukturvorhersagen umfasst – nahezu alle bekannten Proteine. Diese Zugänglichkeit hat die Forschung global beflügelt: Rund 3,3 Millionen Nutzer aus über 190 Ländern, darunter viele aus Ländern mit niedrigem und mittlerem Einkommen wie China und Indien, greifen auf die AlphaFold-Datenbank (AFDB) zu, gehostet vom EMBL-EBI.
Die Software hat die Strukturbiologie transformiert. Forscher wie Andreas Pauli nutzten AlphaFold2, um Proteininteraktionen zu entschlüsseln – etwa die Stabilisierung eines Spermienprotein-Komplexes durch Tmem81 –, was ihre Entdeckungen beschleunigte. Eine von DeepMind finanzierte Studie zeigt: Teams mit AlphaFold reichten 50 % mehr Strukturen bei der Protein Data Bank (PDB) ein als andere, was die Produktivität im Vergleich zu herkömmlichen KI-Methoden steigerte.
John Jumper, Mitentwickler und Nobelpreisträger für Chemie 2024, freut sich über die breite Nutzung und fragt, wann ein Nutzer mit AlphaFold einen bedeutenden Preis gewinnen könnte. Die anhaltende Zitierhäufigkeit – über 39.000 Artikel beziehen sich auf den 2021er Nature-Artikel – unterstreicht die wachsende Relevanz, auch im Vergleich zu COVID-19-Studien. AlphaFold2 hat die Proteinforschung nachhaltig geprägt.
Original Paper:
AlphaFold is five years old — these charts show how it revolutionized science
Entdecke mehr von LabNews
Melde dich für ein Abonnement an, um die neuesten Beiträge per E-Mail zu erhalten.
